Как установить Ultralytics YOLO с помощью Conda
В этом руководстве показано, как настроить среду Conda для проектов Ultralytics. Conda — это система с открытым исходным кодом для управления пакетами и средами, а также альтернатива pip для установки пакетов и зависимостей. Изолированные среды Conda особенно хорошо подходят для задач в области науки о данных и машинного обучения.
В этом руководстве рассказывается, как создать окружение с Ultralytics, запускать инференс, использовать образ Docker с Conda и ускорить установку с помощью libmamba.
Предварительные требования#
На твоей системе должна быть установлена Anaconda или Miniconda. Если ее нет, скачай и установи Anaconda или Miniconda.
Установка Ultralytics#
Создай новое окружение Conda с Ultralytics из канала conda-forge, а затем активируй его. Установи Python, Ultralytics и torchvision (это не зависимость пакета из conda-forge) одной командой, чтобы conda совместно подобрала актуальные совместимые версии:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-envЕсли ты работаешь в среде с поддержкой CUDA, добавь метапакет conda-forge pytorch-gpu в ту же команду, чтобы conda подобрала сборку PyTorch с поддержкой CUDA:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-envПримечание об окружении ROCm (GPU AMD, Linux)#
Для ускорения вычислений на GPU AMD в Linux с помощью ROCm колеса PyTorch ROCm недоступны через Conda, поэтому их нужно установить с помощью pip. Используй окружение Conda для изоляции, а затем установи PyTorch ROCm и Ultralytics через pip:
conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralyticsСмотри страницу Начало работы с PyTorch, чтобы узнать о поддерживаемых версиях ROCm, и руководство по GPU AMD, чтобы настроить инференс MIGraphX, для которого требуется Python 3.11 или новее на Linux x86_64.
Использование Ultralytics#
После установки Ultralytics можно выполнять обнаружение объектов, сегментацию экземпляров и другие задачи компьютерного зрения. Например, чтобы запустить инференс на изображении:
from ultralytics import YOLO
model = YOLO("yolo26n.pt") # инициализация модели
results = model("path/to/image.jpg") # выполнение инференса
results[0].show() # отображение результатов для первого изображенияОбраз Ultralytics Conda для Docker#
В Dockerfile для Conda используются PyTorch 2.13, torchvision 0.28 и CUDA 13.0 из conda-forge. Релизы conda-forge могут выходить позже релизов PyTorch для pip, используемых в стандартном образе для GPU. Автоматическая публикация latest-conda отключена, поэтому собери актуальный образ локально:
git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .Запусти образ:
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUsВ Linux для запросов устройств CDI требуются Docker версии 28.2.0 или новее и NVIDIA Container Toolkit версии 1.18 или новее. Устаревший флаг --gpus all может лишить доступа к GPU после перезагрузки демона на хосте, поэтому обнови старые хосты Linux и вместо него используй --device. Подробнее смотри в руководстве по быстрому старту с Docker.
Ускорение установки с помощью Libmamba#
libmamba — это быстрый кроссплатформенный решатель, учитывающий зависимости и заменяющий классический решатель Conda. В Conda 23.10 и более поздних версиях libmamba уже используется по умолчанию, поэтому большинство установок сразу работают быстрее.
Если у тебя более старая версия Conda, можно вручную включить libmamba:
-
Сначала установи пакет
conda-libmamba-solver:conda install conda-libmamba-solver -
Затем настрой Conda на использование
libmambaв качестве решателя:conda config --set solver libmamba
Ты успешно настроил среду Conda и установил пакет Ultralytics — теперь можно изучить его возможности. Дополнительные руководства и примеры смотри в документации Ultralytics.
Часто задаваемые вопросы#
Создай одной командой среду с Python и Ultralytics из канала conda-forge, чтобы conda разрешила их зависимости совместно, а затем активируй ее:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y conda activate ultralytics-envConda — это система управления пакетами и средами, которая дает ряд преимуществ по сравнению с pip. Она эффективно управляет зависимостями и обеспечивает совместимость всех необходимых библиотек. Изолированные среды Conda предотвращают конфликты между пакетами, что особенно важно для проектов в области науки о данных и машинного обучения. Кроме того, Conda поддерживает распространение бинарных пакетов, ускоряя установку.
Да. Создай среду одной командой с
ultralyticsи метапакетом conda-forgepytorch-gpu, чтобы вместе с ним была выбрана сборка PyTorch с поддержкой CUDA:conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y conda activate ultralytics-envТакая конфигурация включает ускорение на GPU, необходимое для ресурсоёмких задач, например обучения моделей глубокого обучения и инференса. Подробнее см. в руководстве по установке Ultralytics.
Dockerfile для Conda создаёт изолированную среду conda-forge с PyTorch и поддержкой CUDA. Следуй инструкциям по локальной сборке, а затем запусти образ с указанными там параметрами GPU. Стандартный опубликованный образ для GPU и другие варианты перечислены в руководстве по Docker.
В Conda 23.10 и более поздних версиях по умолчанию уже используется быстрый решатель
libmamba. В более старых версиях Conda его можно включить вручную: сначала установи пакетconda-libmamba-solver:conda install conda-libmamba-solverЗатем настрой Conda на использование
libmambaв качестве решателя:conda config --set solver libmambaТакая настройка обеспечивает более быстрое и эффективное управление пакетами.
Комментарии6
Задай вопрос, поделись результатами или помоги кому-нибудь.
najwazkiyahh
Hi! I'm the new to using YOLO. I have python 3.12 on my laptop because my previous exam need it-the latest version of python. I want to install ultralytics YOLOv11, should I downgrade my python version from 3.12 into 3.11? Or I should downgrade my python version to the recommended requirement, 3.8? Thank you, hope you (anybody) can answer my confusion.
Glenn JocherUltralytics@najwazkiyahh you don't need to downgrade your system Python! 😊 Simply create a Conda environment with Python 3.11 using
conda create --name yolo_env python=3.11, then activate it and install Ultralytics. This keeps your existing Python 3.12 intact while giving you a compatible YOLO11 environment. For full steps, see the Conda Quickstart Guide for Ultralytics.We recommend this approach as it maintains version isolation while allowing you to work with both Python versions seamlessly. Welcome to the YOLO community! 🚀
Malvinlam
Hi is there a way to install the yolov8 dependencies using Anaconda prompt to the virtual environment other than pip install ultralytics? For example I already downloaded the ultralytics package from GitHub and opened it as project folder using PyCharm. Is there a way to only install the required libraries?
Glenn JocherUltralytics(изменено)@Malvinlam hi there! 👋
Absolutely, you can install the required dependencies for Ultralytics using Conda without relying on
pip install ultralytics. Here's a step-by-step guide to help you set up your Conda environment and install the necessary libraries:-
Create a New Conda Environment: First, create a new Conda environment with Python 3.11 (or your preferred version):
conda create --name ultralytics-env python=3.11 -y -
Activate the Environment: Activate your newly created environment:
conda activate ultralytics-env -
Install Required Libraries: The repository no longer has a
requirements.txt; its dependencies are declared inpyproject.toml. From the root of your cloned repository, run:pip install -e .Alternatively, if you want to install specific packages manually, you can use:
conda install -c conda-forge numpy pandas matplotlib opencv scikit-learn conda install -c pytorch pytorch torchvision torchaudio -
Note on CUDA Environment: If you're working in a CUDA-enabled environment, it's a good practice to install
pytorchandpytorch-cudatogether to resolve any conflicts:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision torchaudio pytorch-cuda=11.8 -
Using Ultralytics: With the dependencies installed, you can now start using Ultralytics. For example, to perform inference with YOLO26:
from ultralytics import YOLO model = YOLO("yolo26n.pt") # initialize model results = model("path/to/image.jpg") # perform inference results[0].show() # display results for the first image
For more detailed instructions, you can refer to our Conda Quickstart Guide.
If you encounter any issues or have further questions, feel free to ask. Happy coding! 😊
-
nadinator
Does the python version have to be 3.8? Can it be a newer version? What would/wouldn't break if we used 3.11, for example (I'm thinking of the [ray]tuning feature)?
Glenn JocherUltralyticsHey there! 😊
You can definitely use Python versions newer than 3.8, including 3.11. However, it's important to note that while most features should work fine, there might be some compatibility issues with newer Python versions, especially with external libraries or specific features like [ray] tuning.
If you're keen on using Python 3.11, I'd recommend testing the key functionalities you plan to use in your project to ensure everything runs smoothly. For the [ray] tuning feature, you might want to check Ray's documentation or GitHub issues for any known compatibility concerns with Python 3.11.
Here's a quick example of how you might set up your environment with Python 3.11:
conda create --name ultralytics-env python=3.11 -y conda activate ultralytics-env conda install -c conda-forge ultralyticsAnd remember, if you encounter any issues, the Ultralytics community is here to help! 🚀